用python编写一个3×3的卷积神经网络

下面是一个使用 Python 和 TensorFlow 库编写的简单的 3x3 卷积神经网络的示例代码：

import tensorflow as tf

# 定义输入层
input_layer = tf.keras.layers.Input(shape=(28, 28, 1))

# 定义卷积层
conv_layer = tf.keras.layers.Conv2D(filters=32, kernel_size=(3, 3), activation='relu')(input_layer)

# 定义池化层
pool_layer = tf.keras.layers.MaxPooling2D(pool_size=(2, 2))(conv_layer)

# 定义全连接层
flatten_layer = tf.keras.layers.Flatten()(pool_layer)
dense_layer = tf.keras.layers.Dense(units=128, activation='relu')(flatten_layer)

# 定义输出层
output_layer = tf.keras.layers.Dense(units=10, activation='softmax')(dense_layer)

# 定义模型
model = tf.keras.models.Model(inputs=input_layer, outputs=output_layer)

# 编译模型
model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy'])

# 打印模型结构
model.summary()

这个卷积神经网络包括一个输入层、一个卷积层、一个池化层、一个全连接层和一个输出层。其中卷积层使用了一个 3x3 的卷积核，池化层使用了一个 2x2 的池化窗口。这个模型使用了 softmax 激活函数来为输出层的每个神经元生成概率分布。